Para cualquiera que pensara, los científicos de datos conocían la disrupción.

He aprendido tres cosas con el tiempo: 1) El hecho de que una excusa sea cierta no significa que sea menos excusa 2) Hacer las preguntas correctas agrega más valor a una discusión que dar las respuestas correctas 3) No se puede digamos que la mitad del trabajo se hace en el stand-up, en la comedia se hace sólo con pausas. Tengo un poco de curiosidad sobre el segundo hoy. Solo discutiré el tema del análisis de abandono haciendo preguntas. Dime si las preguntas te llevan en la dirección correcta.

¿Cómo definimos persecución para saber exactamente cuántas han ocurrido y cuándo en el pasado? ¿Se dio el caso de que el estado del cliente se actualizó como inactivo en el sistema informático? ¿Sería más útil definir la disrupción reduciendo el uso del producto o servicio en lugar de un número mayor? ¿Qué pasa cuando un cliente no ha pagado su factura durante varios meses seguidos? ¿Qué signos o patrones es probable que ocurran en caso de que los clientes abandonen? ¿Cómo difieren los patrones entre los consumidores que no están en riesgo? ¿Deberíamos considerar un cambio a un evento binario (colapso, sin corte) o un evento multinivel con distintos grados de corte?

¿Con cuánta antelación debemos anticipar los cortes? ¿Cuánto tiempo necesita el equipo empresarial para actuar sobre clientes de alto riesgo? ¿Qué ofertas o campañas se adaptan a un cliente que se espera que cierre en 3 meses?

¿Qué incentivos inmediatos ofrece a un cliente que se espera que abandone la próxima semana? ¿Está bien dejar que clientes específicos actúen? ¿Deberíamos considerar predecir el valor de vida del cliente (LTV) para decidir qué tan crítico es determinar la retención de clientes? ¿Cómo calculamos la efectividad de un pronóstico? Si se predice que un cliente se quemará pero no lo hace, ¿es una buena acción preventiva o una mala predicción? ¿No es siempre una predicción incorrecta si no se predice que el cliente fallará pero fallará? ¿No cree que no se tomó ninguna medida porque se consideró que el cliente era peligroso?

¿Cómo es el recorrido del cliente hasta el punto de abandono? ¿Nos da esto una buena visión de los factores que conducen a la confusión? ¿Fue negativo el resultado de la interacción del cliente con la organización? ¿Cuántos puntos de contacto resultaron en un cliente negativo? ¿Qué canales (IVR automatizado, centro de llamadas, aplicación móvil, sitio web, tienda, chat personal, SMS, correo electrónico, WhatsApp) fueron los más importantes para influir en la conversión? En promedio, ¿nos tomamos más tiempo para resolver los tickets de los clientes que finalmente retiraron en comparación con los que no? ¿Fueron las respuestas numéricas a las preguntas de las encuestas de consumidores más extremas que la agitación de los consumidores? ¿Este sentimiento se debe a un comentario de calidad negativo de un cliente que está agitado? ¿La deserción aumenta al disminuir el NPS y viceversa?

¿Qué áreas de productos y servicios tienen una tarifa más alta? ¿Cómo se relaciona la lealtad del cliente con la tasa de abandono? ¿Es más probable que los nuevos clientes abandonen que los antiguos? ¿Es más probable que los clientes con mayor frecuencia de puntos de contacto abandonen? ¿El cliente tuvo una buena experiencia durante la solicitud? ¿Cómo es la tendencia de reducción de tipos? ¿Hay una temporada? ¿Existe otro patrón en el movimiento? ¿Cuántas veces el cliente no ha realizado el pago de una factura?

¿Deberíamos diseñar el problema de corte como un problema de clasificación binaria o un problema de clasificación de clases múltiples? Antes de construir un modelo de predicción de cambios, ¿deberíamos primero agrupar a los clientes en diferentes grupos utilizando una técnica de aprendizaje no supervisado? ¿Qué impactos de la disrupción se pueden controlar (por ejemplo, la experiencia del cliente)? ¿Qué factores estresantes están fuera del control de la organización (por ejemplo, desaceleración económica)? Cuando digo que algo tiene un efecto negativo, ¿no es vago? En lugar de eso, ¿debería decir que algo reduce la tasa de accidentes o algo reduce el recuento de accidentes? ¿No debería dejar claro si las incorporaciones de nuevos clientes separan los números de corte? ¿O el cálculo de la deserción es independiente de cuántos clientes nuevos ha agregado la organización? ¿Se calculan los números y las tarifas de apagones con una frecuencia mensual? ¿Medio año? ¿Anualmente? ¿Cuál es el objetivo de reducción de la tasa de cambio con esta solución predictiva? ¿Sabemos que si reducimos la tasa objetivo, cuánto dinero se ahorrará?

EL FINAL DEL GARAJE